6. Tổng quan tài liệu nghiên cứu
2.4.3. Quy trình phân tích dữ liệu
a. Kiểm địn t ng đo bằng Hệ số Cron c ’s A p
phù hợp trong một thang đo, một thang đo có nhiều biến, có thể có thang đo không có biến bị loại bỏ, hoặc bị loại bỏ một phần và thậm chí có thể các biến bị loại bỏ hết trong quá trình kiểm định thang đo. Hệ số Cronbach’s Alpha là thƣớc đo kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Đồng thời, có thể khẳng định theo nghiên cứu của Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2009) “độ tin cậy của thang đo đƣợc đánh giá bằng phƣơng pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phƣơng pháp hệ số tin cậy Cronbach’s Alpha trƣớc khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả [41] [42] [46]. Theo nghiên cứu của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lƣờng có liên kết với nhau hay không; nhƣng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tƣơng quan giữa biến - tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo [37] [46].
Thông thƣơng các tiêu chí đƣợc sử dụng khi thực hiện đánh giá độ tin cậy thang đo nhƣ sau:
- Theo Nunally và Burnstein (1994) [29], Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2009) loại các biến quan sát có hệ số tƣơng quan biến-tổng nhỏ (nhỏ hơn 0,3) ; tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) [41] [42] [46].
- Theo Nunally (1978), Peterson (1994), Slater (1995); theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) thì các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lƣờng tốt; từ 0,7 đến 0,8 là sử dụng đƣợc; từ 0,6 trở lên là có thể sử dụng trong trƣờng hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu [37].
xem là biến rác thì sẽ đƣợc loại ra và thang đo đƣợc chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7) [37].
Nhƣ vậy, có thể khẳng định khi nghiên cứu thực hiện đánh giá thang đo cần dựa theo tiêu chí: loại các biến quan sát có hệ số tƣơng quan biến - tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trƣớc đây đã sử dụng tiêu chí này) và chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tƣơng đối mới đối với đối tƣợng nghiên cứu khi tham gia trả lời).
b. Phân tích nhân tố khám phá (EFA)
Trên cơ sở loại bỏ biến bằng kiểm định độ tin cây qua hệ số Cronbach Alpha, tiến hành phân tích nhân tố để thu nhỏ và tóm tắt dữ liệu. Trong khi phƣơng pháp Cronbach Alpha dùng để đánh giá độ tin cậy của thang đo thì phƣơng pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phƣơng pháp EFA) đƣợc sử dụng để đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Theo Mayers, L.S., Gamst, G., Guarino A.J. (2000) thì “trong phân tích nhân tố, phƣơng pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức đƣợc sử dụng phổ biến nhất”.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA: nếu Factor loading > 0.3 đƣợc xem là đạt mức tối thiểu; Factor loading > 0.4 đƣợc xem là quan trọng và Factor loading > 0.5 đƣợc xem là có ý nghĩa thực tiễn.
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu nhƣ sau [47]:
Một là, Hệ số tải nhân tố (Factor loading) > 0.5
Hai là, 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số
ý nghĩa phân tích nhân tố là thích hợp.
Ba là, Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một
đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tƣơng quan với nhau trong tổng thể.
Bốn là, phần trăm phƣơng sai toàn bộ (Percentage of variance) > 50%:
Thể hiện phần trăm biến thiên của các biến quan sát.
Năm à, mức eigenvalue >= 1.
c. Xây d ng p ương trìn ồi qui tuyến tính
Đích đến trong việc phân phân tích dữ liệu là hình thành hàm hồi quy tuyến tính sau khi đã kiểm định độ tin cậy và phân tích nhân tố khám phá để thu nhỏ dữ liệu. Lúc này, mô hình hồi quy tuyến tính các nhân tố tác động đến NLCT của các DN CBTS trên địa bàn TP. Đà Nẵng có dạng tổng quát nhƣ sau:
Y = β0 + β1 *X1 + β2*X2 + β3* X3 + β4 * X4 + β5* X5 + β6 * X6
+ β7*X7 + + β8*X8 +
Trong đó:
Y: là biến phụ thuộc phản ánh NLCT của các DN CBTS trên địa bàn TP. Đà Nẵng
Xi (i=1...8): là các biến độc lập, phản ánh các nhân tố ảnh hƣởng đến NLCT của các DN CBTS trên địa bàn TP. Đà Nẵng
βi (i=1...8): Các hệ số hồi quy β0: Hằng số
KẾT LUẬN CHƢƠNG 2
Chƣơng 2 trình bày mô hình nghiên cứu đề nghị; các nhân tố tác động đến NLCT của các DN CBTS trên địa bàn TP. Đà Nẵng, hình thành thang đo sau khi khảo sát, thảo luận và tranh luận thực nghiệm; nêu quy trình và phƣơng pháp nghiên cứu của Luận văn qua hai bƣớc cơ bản là nghiên cứu định tính và định lƣợng, tại đây tác giả nhấn mạnh tầm quan trọng của nghiên cứu định tính để hình thành bảng hỏi chính thức trƣớc khi thực hiện khảo sát, điều tra theo mục tiêu đã xác định, đồng thời trình bày các bƣớc phân tích dữ liệu phục vụ việc kiểm định mô hình và phân tích kết quả của chƣơng 3.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU